近几年来,盲源分离已经逐渐成为信号处理领域研究的热门课题,并且被广泛应用于语音信号分离、地质勘探、水声信号分离、空间阵列信号分离以及生物医学信号分离等多个领域。但在实际应用中,经常会遇到具有显著脉冲,概率密度函数具有厚重拖尾的信号与噪声,这些信号特性已经偏离了高斯分布而Alpha稳定分布以其良好的性能被引入进来进行建模,这拓展了传统信号分离的研究范围,并逐步完善了盲源分离的理论框架。本文主要针对稳定分布噪声模型下基于非线性混合输入信号的盲信号分离进行了研究,主要工作包括以下几个方面：(1)介绍了稳定分布非线性盲分离的研究目的和意义,阐述了稳定分布盲分离问题的起源及发展动态,分析了稳定分布盲源分离的基础理论,总结非线性盲源分离的基础算法以及模型,着重对基于后非线性模型的非线性盲分离算法进行了阐述。(2)提出了一种基于稳定分布模型的非线性盲分离算法。算法主要分两部分：线性处理部分和线性解混部分。其中,线性处理部分采用基于后非线性模型的几何线性化算法；线性解混部分采用基于最小离差-旋转变换准则下的盲源分离算法。主要步骤是非线性混合的源信号经几何线性化处理之后,将产生的新的线性观测信号输入到线性解混部分实现信号的分离。仿真结果从两个方面论证了该算法良好的分离特性,并证明了该算法具有较高的实际意义。(3)研究分析医学信号的分布特性,估计其分布特性参数,证明其符合稳定分布模型的特性。在稳定分布条件下基于最小离差准则设计了一种自适应滤波器,将这种滤波方法与传统的LMS滤波方法进行对比并给出了仿真分析。最后将基于稳定分布的非线性盲分离算法应用到医学信号的盲分离当中去。实验证明了该算法在这种特殊应用背景下具有良好的适应性和分离特性。(4)在总结本文算法优缺点的基础上对未来该研究领域的发展和可能研究方向进行了分析和归纳。